//本學(xué)習(xí)筆記只是記錄，并未有深入思考。

1.什么是數(shù)據(jù)挖掘？

?數(shù)據(jù)挖掘是數(shù)據(jù)庫(kù)中發(fā)現(xiàn)必不可少的一部分。

?數(shù)據(jù)預(yù)處理主要包括（可能是最耗時(shí)的步驟）：

1.融合來(lái)自多個(gè)數(shù)據(jù)源的數(shù)據(jù)

2.清洗數(shù)據(jù)以消除噪聲和重復(fù)的觀測(cè)值

3.選擇與當(dāng)前數(shù)據(jù)挖掘任務(wù)相關(guān)的記錄和特征。

2.數(shù)據(jù)挖掘要解決的問(wèn)題

1.可伸縮性：面對(duì)海量數(shù)據(jù)，算法必須是可伸縮的。例如：當(dāng)藥不能處理的數(shù)據(jù)放入內(nèi)存的時(shí)候，需要非內(nèi)存算法；使用抽樣技術(shù)或者開發(fā)并行和分布算法也可提高伸縮性。

2.高維性：具有成百上千的屬性的數(shù)據(jù)集也很常見，比如基因特征；并且由于維度的增加，算法計(jì)算復(fù)雜度將會(huì)迅速升高。

3.異種數(shù)據(jù)和復(fù)雜數(shù)據(jù)：即非傳統(tǒng)的數(shù)據(jù)類型：如包含半結(jié)構(gòu)化的文本和超鏈接的Web頁(yè)面，

4.數(shù)據(jù)所有權(quán)與分布：數(shù)據(jù)在地理上分屬于多個(gè)站點(diǎn)和機(jī)構(gòu)，需要開發(fā)分布式數(shù)據(jù)挖掘技術(shù)，

5.非傳統(tǒng)分析：傳統(tǒng)的統(tǒng)計(jì)方法基于假設(shè)-檢驗(yàn)?zāi)Ｊ?#xff0c;但目前的數(shù)據(jù)分析需要的假設(shè)量太大，那么需要自動(dòng)地產(chǎn)生假設(shè)和評(píng)估。

圖中給出了數(shù)據(jù)挖掘和其他學(xué)科的關(guān)系。

1.3數(shù)據(jù)挖掘任務(wù)

?預(yù)測(cè)任務(wù)：根據(jù)其他屬性的值，預(yù)測(cè)特定屬性的值。

描述任務(wù)：導(dǎo)出數(shù)據(jù)中潛在能夠描述關(guān)系的模式（相關(guān)、趨勢(shì)、聚類、軌跡和異常），這通常是探查性的，需要進(jìn)行驗(yàn)證和解釋。?

根據(jù)數(shù)據(jù)類型可以分為：

分類：對(duì)離散型數(shù)據(jù)

回歸：對(duì)連續(xù)型數(shù)據(jù)

2.分析方式概括

預(yù)測(cè)任務(wù)：比如對(duì)鳶尾花進(jìn)行分類。

關(guān)聯(lián)分析：用于發(fā)現(xiàn)數(shù)據(jù)中強(qiáng)關(guān)聯(lián)的特征；比如找出功能相關(guān)的基因組，發(fā)現(xiàn)購(gòu)物者同時(shí)購(gòu)買的商品等。

聚類分析：發(fā)現(xiàn)緊密相關(guān)的觀測(cè)值組群，對(duì)顧客進(jìn)行分組。

異常檢測(cè)：識(shí)別特征顯著不同于其他特征的觀測(cè)值；檢測(cè)欺詐軟件、網(wǎng)絡(luò)攻擊等；

?

轉(zhuǎn)載于:https://www.cnblogs.com/BlueBlueSea/p/9545381.html

與50位技術(shù)專家面對(duì)面20年技術(shù)見證，附贈(zèng)技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的入坑-DM导论-第一章绪论笔记的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。